一种新型单层递归神经网络解决非光滑伪凸优化问题
非光滑伪凸优化问题是一类比较特殊的非凸优化问题,常出现在各类科学与工程应用中,因此具有很大的研究价值.针对现有神经网络模型解决非光滑伪凸优化问题存在的不足,该文基于微分包含理论,提出一种新型单层递归神经网络模型.通过理论分析,证明了神经网络状态解在有限时间内收敛到可行域,且永驻其中,最终神经网络状态解收敛于原优化问题的最优解.最后,通过数值实验,验证了所提理论的有效性.与现有的神经网络相比,该文所提神经网络模型结构简单仅为单层,不需要提前计算罚参数,且对初始点选取没有任何特殊的要求.
神经网络;非光滑伪凸优化;收敛;最优解
43
TP183(自动化基础理论)
国家自然科学基金61862004,61462006
2021-08-25(万方平台首次上网日期,不代表论文的发表时间)
共9页
2421-2429